2024 年を迎え、技術の急速な進化が製品開発および製造の分野を再定義し、製品ライフサイクルマネジメント（PLM）の重要性を一層高めています。人工知能（AI）、ビジュアルコラボレーションツール、クラウドベースの PLM、デジタルスレッドなど、PLM 業界を牽引する最先端技術トレンドを詳細に分析し、今後数年間に渡るPLMの進化及び企業における製品開発プロセスの変革について、未来予測を交えながら深く掘り下げていきましょう。
予測 1: EU の新しいデジタル製品パスポート（DPP）の必要性
EU が導入を予定している新しいデジタル製品パスポート（DPP）は、製品の環境サステナビリティ（持続可能性）に関する情報を提供するものです。この情報には、製品の耐久性や修理のしやすさ、再生材の使用量、予備部品の入手のしやすさなどが含まれ、非接触式 IC カード（ワイヤレスカード）をスキャンすることで簡単に確認できます。DPP は、消費者や企業が製品の購入、修理、リサイクルを推進する上で、また製品が環境ライフサイクルに与える影響の透明性を高める上で、情報に基づいた選択を行うのに役立ちます。公的機関が製品の検査や管理を行う際にも、このシステムは非常に有用です。
予測 2: デジタルスレッドの理念が現実の形になるか？
デジタルスレッドは将来に向けて増殖を続けると予想されますが、これらは主に組織内の特定の部署が立ち上げて管理する部分的なデジタルスレッドが多くなります。デジタルスレッドの主要な役割は、特定の限定された目的のためにデジタルツインを作成することにあります。これらのデジタルツインは、3D アセンブリ（組立図）である場合もあれば、設計進捗の迅速な管理を目的とした相互作用可能なダッシュボードの場合もあります。3D でないデジタルツインとしては、例えば、特定の市場での製品配送リスクの監視や把握などに使用されます。これらは、製品のすべての要素に加え、地理的動向、気候条件、大規模災害などの影響要因を統合して作成されます。このようなアプローチは、全てのデジタルツインを包括する統一されたデジタルスレッドという現在の考え方に新しい展開をもたらします。
予測 3: 製品とプロセスの複雑化に伴い、PLM システム導入は社外への外部委託が増加傾向
2024 年には、多くの企業がデジタルスレッド戦略を進め、連結された大量のデータを用いた複雑な機能を PLM システムで実現。AI、デジタルツイン、没入型技術（AR、VR）などの新しい技術が導入されることで、グローバルな協力、システム統合、セキュリティ要件が強化され、運用担当者にとって大きな課題となることが予想されます。
製品開発プロセスの全域で複雑さが増しており、システム運用の規模と複雑さも同様に増加しています。PLM は制限されたアクセスで大量のデータを必要としますが、このデータは世界中のユーザーにサービスを提供するため、多くのアプリケーションにまたがって存在しています。複雑な環境に適応するためのシステムアーキテクチャの変更には、高度なスキルを持つ人材が必要ですが、これらの人材は高コストで限られています。そのため、企業は IT 機能の対応を SaaS モデルの採用する PLM ソリューションのスペシャリストに任せる傾向が増えています。
予測 4: AI が規制コンプライアンスの分野で重要な役割を果たす
ソフトウェア製品の設計では、世界中の様々な要件に基づいて AI と大規模言語モデル（LLM）を利用し、適切な規制コンプライアンス要件を特定することがますます重要になっています。PLM プラットフォームは、このプロセスと結果を製品のデジタルスレッドの一部として管理します。
製品機能がソフトウェアによって主導される中、PDF などの多様な文書や IBM DOORS や Jama Connect などのデータレポジトリから、正確な規制コンプライアンス要件を見つけ出すことは難しくなっています。これらの要件は、設計に関わるステークホルダーやシステムモデル、一般的な設計分野とは異なります。製品に関連した各国の規制コンプライアンス要件を正確に特定できないと、複雑過ぎる設計や承認プロセスでの問題、さらには事故のリスクが高まります。要件の情報源が多岐にわたり、要件自体も常に変化するため、製造業者はコンプライアンスの検証や監査時に適切な要件を使用していることを示す必要があります。
予測 5: PLM プラットフォームが最適なコラボレーションツールとして注目される
システムと製品機能の複雑さが増す中、企業規模でのコラボレーションがますます重要になっています。この協力体制は、エンジニアリング（システム、シミュレーション、機械、電子、電気、ソフトウェア）、文書管理、コンプライアンス（法令遵守）、製造、サプライヤー、保守の各チーム間で必要です。それにより、複雑さの理解、導入の詳細の最適化、リスクの軽減、品質の向上、コストと時間の削減が可能になります。PLM プラットフォームは、設計の意図、製品に関するすべてのデータ（物理的な部品表を含む）、そして製品の定義、設計、テスト、製造、保守に関わるすべてのプロセスを一元管理することで、コラボレーションに不可欠なツールになります。製品ライフサイクルの全ての段階でのコラボレーションが必要とされるため、初期の非公式なアプローチ（全ての追跡は不要）から公式なアプローチ（全ての追跡が必要）まで、情報を網羅する必要があります。
予測 6: AI が PLM とデジタルエンジニアリングに革新をもたらす
AI は、PLM とデジタルエンジニアリング分野に大きな変革をもたらす可能性を秘めています。しかし、AI のパフォーマンスはデータに大きく依存します。多くの企業ではエンジニアリングデータが分断されているため、どんなに優れた AI であってもその効果は限られることがあります。AI の潜在能力を最大限に引き出すには、構造化されたデータと非構造化データの両方を包括する、作業のまとまりとトレーサビリティを持つエンジニアリングおよび製品データの基盤を構築することが重要です。デジタルスレッドは、異なるシステムやワークフローを統合し、データの関連性を管理する新しいアプローチです。大量のデータを分析する能力を持つ AI は、デジタルスレッドにシームレスに組み込まれ、異なる分野にまたがる意思決定をサポートします。例えば、製造業では AI がメンテナンス予測やサプライチェーン最適化に加え、顧客のフィードバックや市場動向の分析による製品革新を促進します。医療業界では、AI を組み込んだデジタルスレッドを通じて、複雑な医療データを集約し解釈することで、パーソナライズされた患者ケアや迅速な医療進歩が可能になります。
予測 7：データガバナンスの要件がかつてないほど急速に変化する
AI とデータ分析の普及が、とどまることのないデータ需要を生み出しています。規制機関は、コンプライアンスに新たな要件を導入することでそれに対応しています。その一方で、生成 AI が導き出す回答が必ずしも正確であるとは限らないことが明らかになりました。企業は、自社のデータソースを把握し、その品質の確保に責任を持たなければならず、下流におけるデータの使用方法を管理する必要があります。これまで以上にトレーサビリティが重要になるでしょう。不正確なデータや不適合のデータから取得した新しいビジネスインサイトは使い物になりません。
このブログへの寄稿者は、Aras のブルース・ブックバインダー（Bruce Bookbinder）、パウエル・チャジンスキー（Pawel Chądzyński）、ジョシュ・エプスタイン（Josh Epstein）、ロブ・マカベニー（Rob McAveney）、そしてパトリック・ウィレムスン（Patrick Willemsen）です。